Probabilidade e Estatstica

Aula 06

Os direitos desta obra foram cedidos Universidade Nove de Julho

Este material parte integrante da disciplina oferecida pela UNINOVE. O acesso s atividades, contedos multimdia e interativo, encontros virtuais, fruns de discusso e a comunicao com o professor devem ser feitos diretamente no ambiente virtual de aprendizagem UNINOVE.

Uso consciente do papel. Cause boa impresso, imprima menos.

Aula 6: Medidas de disperso

Objetivo: Calcular e interpretar o desvio mdio, a varincia, o desvio padro e o coeficiente de variao de um conjunto de valores que so importantes ferramentas para a anlise dos dados.

Se uma pessoa comeu dois sanduches e outra no comeu nenhum, em mdia, cada uma comeu um sanduche. Esta frase, que tem relao com a Estatstica, no agradaria muito aquele que ficou com fome. Ao fazer a mdia, h sempre informao que se perde. A mdia, apesar de ser uma medida muito utilizada em Estatstica, muitas vezes insuficiente para caracterizar aceitavelmente uma distribuio. A moda e a mediana tambm so medidas que nem sempre so suficientes para caracterizar um conjunto de dados. Em alguns casos, temos que recorrer a outros parmetros, chamados de medidas de disperso. As medidas de disperso so medidas estatsticas utilizadas para avaliar o grau de variabilidade ou disperso dos valores em torno da mdia. Servem para medir a representatividade da mdia.

Exemplo: Sejam as sries:

a) 10, 1, 18, 20, 35, 3, 7, 15, 11, 10. b) 12, 13, 13, 14, 12, 14, 12, 14, 13, 13. c) 13, 13, 13, 13, 13, 13, 13, 13, 13, 13.

Estes dados possuem a mesma mdia 13. No entanto, so sequncias completamente distintas do ponto de vista da variabilidade de dados. Na srie c no se tem disperso. Comparando-se as sries a e b, percebe-se que a apresenta maior disperso em torno da mdia do que b. Isso indica que necessitamos de outro tipo de medida para distinguir e comparar os trs conjuntos de dados.

O critrio frequentemente usado para tal fim aquele que mede a maior ou menor disperso dos dados em torno da mdia, e as medidas mais usadas so: o desvio mdio, a varincia, o desvio padro e o coeficiente de variao.

Desvio Mdio (Dm)

a anlise dos desvios em torno da mdia. Calculamos inicialmente a mdia da amostra ( x ). Em seguida, identificamos a distncia de cada elemento da

amostra para sua mdia: (xi - x ) Finalmente, calculamos o desvio mdio: |di| = |xi - x |, logo o desvio mdio ser

d F
i

ou

x Fi

Onde xi a varivel, x a mdia e n o nmero de dados da amostra. Dessa forma, o desvio mdio a mdia aritmtica dos valores absolutos dos desvios.

Exemplo: Dada a amostra:

xi 2 3 5 6 7 Total 5 4 4 2 3 18

Fi 10 12 20 12 21 75

xiFi

|di|=|xi - x | |2 - 4,17| = 2,17 |3 - 4,17| = 1,17 |5 - 4,17| = 0,83 |6 - 4,17| = 1,83 |7 - 4,17| = 2,83

|di|Fi 2,17 x 5 = 10,85 1,17 x 4 = 4,68 0,83 x 4 = 3,32 1,83 x 2 = 3,66 2,83 x 3 = 8,49 31

x=

x F
n

i i

75 = 4,17 18

Dm =

diFi = 31 = 1,72
n 18

Varincia (Var)

a mdia aritmtica dos quadrados dos desvios. Logo:

Var =

di Fi
2

Exemplo: No caso da tabela anteriormente citada, temos: di2 4,71 1,37 0,69 3,35 8,01 di2Fi 23,55 5,48 2,76 6,7 24,03 62,52

xi 2 3 5 6 7 Total 5 4 4 2 3 18

Fi 10 12 20 12 21 75

xiFi

|di|=|xi - x | 2,17 1,17 0,83 1,83 2,83

di Fi = 62,52 = 3,47 Var =

2

18

Desvio padro (Dp)

Como para calcular a varincia trabalhamos com os quadrados dos desvios, podemos ter uma incompatibilidade em relao s unidades dos valores da varivel considerada. Para contornar esse problema, temos o desvio padro, que a raiz quadrada da varincia: Dp = Var

Exemplo: No caso da tabela acima, temos: Var = 3,47, ento Dp = 3,47 = 1,86

Resumindo: a distribuio possui mdia 4,17. Isto , seus valores esto em torno de 4,17 e seu grau de concentrao de 1,72, medido pelo desvio mdio e de 1,86, medido pelo desvio padro.

Coeficiente de Variao (CV)

O desvio padro por si s no nos diz muita coisa; para contornar esta dificuldade, usamos o coeficiente de variao. Trata-se de uma medida relativa de disperso til para a comparao em termos relativos do grau de concentrao em torno da mdia de sries distintas. expresso em porcentagens e dado por:

CV =

Dp . 100 x

(onde Dp o desvio padro e x , a mdia da distribuio)

Diz-se que a distribuio possui pequena variabilidade (disperso) quando o CV der at 15%; mdia disperso quando estiver acima de 15% at 30% e grande disperso quando superar 30%: Baixa disperso: CV 15% Mdia disperso: 15% < CV < 30% Alta disperso: CV 30%

Exemplo: No caso da tabela acima, temos:

CV =

1,86 100 = 44,60% (alta disperso) 4,17

Outro exemplo: Numa empresa, o salrio mdio dos homens de R$ 4.000,00, com desvio padro de R$ 1.500,00 e, o das mulheres, em mdia de R$ 3.000,00, com desvio padro de R$ 1.200,00. Ento:

CVH =

1200 1500 100 = 40% 100 = 37,5% e CVM = 3000 4000

Logo, podemos concluir que os salrios das mulheres apresentam maior disperso que os dos homens.

De modo geral, quanto menor o CV, menos dispersos esto os dados em torno da mdia, que passa a ser mais representativa do conjunto de dados.

Outro exemplo: Encontre o desvio mdio, o desvio padro e o coeficiente de variao da distribuio: di2 17,64 4,84 0,04 3,24 14,44 di2Fi 35,28 19,36 0,28 12,96 43,32 111,20

Classes 2 |--- 4 4 |--- 6 6 |--- 8 8 |--- 10 2 4 7 4

Fi

xi
ponto mdio

xiFi 6 20 49 36 33 144

|di| 4,2 2,2 0,2 1,8 3,8

|di|Fi 8,4 8,8 1,4 7,2 11,4 37,2

3 5 7 9 11 20

10 |---12 3 Total

x=

x F
n

i i

144 = 7,2 20

Dm =

diFi = 37,2 = 1,86

n 20

Var =

di Fi = 111,20 = 5,56
2

20

Dp = Var = 5,56 = 2,36

CV =

Dp 2,36 . 100 = 100 = 32,78% (alta disperso) x 7,2

* O QR Code um cdigo de barras que armazena links s pginas da web. Utilize o leitor de QR Code de sua preferncia para acessar esses links de um celular, tablet ou outro dispositivo com o plugin Flash instalado.

REFERNCIAS

AKANIME, C.T.; YAMAMOTO, R.K. Estudo dirigido de estatstica descritiva. So Paulo: rica Ltda., 1998. BRAIO, A. A.; MUSETTI, A. V.; SCHNEIDERMAN, B. Introduo estatstica. So Paulo: Edgard Blcher, 2003. FONSECA, J.S.; MARTINS, G.A. Curso de Estatstica. So Paulo: Atlas, 1996. MORETTIN, P. A. Estatstica Bsica. 7 ed. V. 1. So Paulo: Pearson Education do Brasil. SPIEGEL, M. R. Estatstica. 2 ed. Rio de Janeiro: McGraw-Hill, 2000.